ترانزستور متعدد الوسائط مُتحكّم بالأيونات مبني على موصل فائق أيوني ثنائي الأبعاد للحوسبة داخل الذاكرة في التعلم العميق

رقائق أذكى مستوحاة من الدماغ

الذكاء الاصطناعي الحديث يحقق إنجازات رائعة لكنه يستهلك قدراً كبيراً من الطاقة، ويرجع ذلك إلى حد كبير إلى أن رقائق اليوم تنقل البيانات ذهاباً وإياباً بين الذاكرة والمعالجات باستمرار. تصف هذه الورقة نوعاً جديداً من الأجهزة الإلكترونية الصغيرة التي تتصرف بشكل أقرب إلى اتصال خلية عصبية، أو مشبك عصبي. من خلال الجمع بين الحساب وتشكيل الإشارة في نفس الموضع، يمكن لهذه الأجهزة أن تجعل عتاد الذكاء الاصطناعي المستقبلي أسرع وأكثر كفاءة في استهلاك الطاقة بكثير، ما قد يفيد كل شيء من الهواتف الذكية إلى مجسات الحافة في السيارات والأجهزة الطبية القابلة للارتداء.

لماذا يضيع عتاد الذكاء الحالي جهداً

تعتمد معظم خوارزميات الذكاء الاصطناعي على خطوتين أساسيتين: ضرب وجمع الأعداد لدمج الإشارات، ثم تمرير النتيجة عبر خطوة «تفعيل» منحنية تقرر الأنماط المهمة. تقوم الرقاقات التقليدية بهذه الخطوات في وحدات منفصلة. يجب تحويل البيانات مراراً وتكراراً بين الشكلين الرقمي والتماثلي ونقلها عبر الشريحة، ما يكلف وقتاً وطاقة. يرغب المهندسون في وجود جهاز فيزيائي واحد يمكنه تخزين قوة الاتصال وتطبيق اللاخطية الشبيهة بالتفعيل، لكن المكونات الإلكترونية النموذجية تؤدي وظيفة واحدة فقط بشكل جيد. وعند إجبارها على أداء الوظيفتين معاً، فإنها تميل إلى أن تصبح غير مستقرة أو غير دقيقة.

لبنة بناء جديدة من الترانزستور

يقدّم المؤلفون ترانزستوراً مبنياً من بلورات طبقية فائقة الرقة يحل هذا اللغز بطريقة مفاجئة. يستخدم الجهاز مادة ثنائية الأبعاد تسمى CdPS3-Li كطبقة ناقلة أيونات خاصة، مكدّسة مع شبه موصل ثنائي الأبعاد آخر، MoS2، الذي يحمل التيار الكهربائي. تحتوي طبقة CdPS3-Li على أيونات ليثيوم قادرة على التحرك بسهولة في بعض الاتجاهات وليس في أخرى، كما تستضيف مواقع فارغة (شواغر) يمكن أن تحتجز الشحنة. عندما يُطبَّق نبضة كهربائية، تنجرف أيونات الليثيوم نحو الحد الفاصل مع طبقة MoS2 وتبقى هناك، مغيرة بشدّة كيفية توصيل الجهاز. أما عند إسقاط الضوء على الجهاز، فتُجتذب الشحنات المُولَّدة في طبقة MoS2 إلى تلك الشواغر، مما يؤدي إلى استجابات غنية تعتمد على الزمن.

تحويل الضوء والكهرباء إلى إشارات شبيهة بالدماغ

بسبب هذا التصميم، يمكن للترانزستور نفسه أن يدعم بطبيعته سلوكين مختلفين لكن متكاملين. تحت النبضات الكهربائية، يوفر مستويات مقاومة مستقرة عديدة تتغير بسلاسة وبشكل متوقع، فتعمل كأوزان قابلة للتعديل في شبكة عصبية. هذه المستويات غير متطايرة، أي تبقى بعد انتهاء النبضة، ويمكن للجهاز الانتقال بثبات عبر عشرات الحالات المميزة دون تلف. أما تحت نبضات الضوء، فيرتفع التيار ثم يضمحل بطريقة منحنية يمكن تقريبها بدوال رياضية تُستخدم عادة كمنحنيات تفعيل في التعلم العميق. من خلال ضبط شدة ومدّة وعدد نبضات الضوء، يستطيع الباحثون تشكيل سرعة تلاشي الاستجابة، أي "برمجة" ملفات تعريف تفعيل مختلفة في العتاد.

من أجهزة منفردة إلى مصفوفات ذكية عاملة

لإظهار أن هذا ليس مجرد فضول مجهري، بنى الفريق مصفوفات من هذه الترانزستورات وربطها لتشغيل أجزاء من شبكة عصبية حقيقية. تنفّذ إحدى المصفوفات خطوة الضرب والجمع: تمثل المقاومة المخزنة في كل جهاز وزناً، ومن خلال تطبيق فولتية عبر شبكة تتجمع التيارات طبيعياً وفق قوانين فيزياء الدوائر. أما مصفوفة ثانية، أصغر حجماً، فتُعرض لنبضات ضوئية مُوقّتة بعناية حتى تنفّذ التيارات المتلاشية خطوة التفعيل. من خلال تنسيق هذين الوحدتين مع إلكترونيات تحكم تقليدية، درّب الباحثون شبكة للتعرف على الأرقام اليدوية المكتوبة، محقّقين دقّة تفوق 97 بالمئة—مقاربة للأنظمة الرقمية البحتة، لكن باستخدام مكوّنات تجمع جوهرياً بين الذاكرة والمعالجة.

ماذا يعني هذا لتقنية الحياة اليومية

بالنسبة لغير المتخصص، الرسالة الأساسية هي أن هذه الترانزستورات الحساسة للضوء والمبنية على الأيونات تتصرف أشبه بالمشابك العصبية البيولوجية أكثر من مفاتيح السيليكون التقليدية. يمكنها تذكر قوّة الاتصالات، والاستجابة بشكل مختلف للمؤثرات الكهربائية مقابل البصرية، وتؤدي ذلك مع طاقة تشغيل منخفضة للغاية لكل عملية. وبينما ليست جاهزة لاستبدال الرقائق داخل هاتفك غداً، فهي تشير إلى مستقبل يصبح فيه عتاد الذكاء الاصطناعي أكثر كثافة وكفاءة وشبيهاً بالدماغ. مثل هذه التقدّمات قد تمكّن في النهاية نظم تعلم قوية تتسع داخل أجهزة صغيرة تعمل بالبطارية، جالبةً إحساساً وقرارات أذكى أقرب إلى حيث تُولّد البيانات.

الاستشهاد: Tong, B., Du, T., Du, J. et al. Multimodal ion-gated transistor based on 2D superionic conductor for in-memory computing in deep learning. Nat Commun 17, 4127 (2026). https://doi.org/10.1038/s41467-026-70587-w

الكلمات المفتاحية: الحوسبة النيورومورفية, الحوسبة داخل الذاكرة, ترانزستور مُتحكّم بالأيونات, مواد ثنائية الأبعاد, عتاد التعلم العميق